基于計算機視覺信息處理技術(shù)的蘋果自動分級研究

蘇 欣

(承德石油高等專科學(xué)校 計算機系，河北 承德 067000)

?

基于計算機視覺信息處理技術(shù)的蘋果自動分級研究

蘇 欣

(承德石油高等專科學(xué)校 計算機系，河北 承德 067000)

隨著社會經(jīng)濟的快速發(fā)展和人們消費水平不斷的提高，消費者在購買蘋果時對其品質(zhì)的要求也越來越高。在傳統(tǒng)農(nóng)產(chǎn)品加工作業(yè)中，導(dǎo)致分級精度低和勞動生產(chǎn)率低。利用計算機視覺信息處理技術(shù)，依據(jù)主特征參量對蘋果進行自動分級，相較于傳統(tǒng)的蘋果等級人工分離方法，不僅提高了蘋果等級分離的正確率，且極大地節(jié)約了勞動力。

蘋果自動分級；計算機視覺；信息處理；特征提取；多特征

0 引言

計算機視覺技術(shù)已經(jīng)被證明是新鮮水果和蔬菜檢驗的有力工具，目前在水果和包裝蔬菜的自動加工系統(tǒng)中應(yīng)用比較廣泛。農(nóng)業(yè)作為人類生存的最基本要素，計算機視覺的應(yīng)用范圍更加廣泛，如植物生長狀態(tài)的采集、共享農(nóng)業(yè)資源信息的建設(shè)、農(nóng)副產(chǎn)品等級區(qū)分和質(zhì)量檢測等方面。機器視覺信息處理技術(shù)在農(nóng)副產(chǎn)品分級和品質(zhì)鑒別中的應(yīng)用，衍生出一個新型的農(nóng)業(yè)方向—精細農(nóng)業(yè)。由于農(nóng)副產(chǎn)品在產(chǎn)前和產(chǎn)后加工處理等環(huán)節(jié)中受到諸多因素的影響，其等級、品質(zhì)等方面(如大小、形狀、顏色、缺陷等)或多或少存在著差異，需在等級分離和質(zhì)量檢測的過程中全面區(qū)分；而計算機視覺用機器眼代替人眼，即用視覺采集裝置采集的圖像和機器替代人眼對受檢產(chǎn)品進行信息區(qū)別和分離等，然后將圖像效果改善成更易于區(qū)分的圖像。在過去的農(nóng)業(yè)生產(chǎn)中，農(nóng)產(chǎn)品外觀是最基礎(chǔ)的鑒別方式，都是依靠人眼來判定的。近些年來，在精細農(nóng)業(yè)方面取得了很多成就，如趙靜等[1]采用修改了的CANNY算數(shù)法和當量直徑法相結(jié)合的方式來區(qū)分蘋果的大小等級。因此，利用計算機視覺技術(shù)對蘋果進行多個特征[2-3]進行等級判別，可極大地提高生產(chǎn)效率，分級效果更精確可靠，可提高蘋果在國內(nèi)外市場銷售額。

1 實驗設(shè)計

1.1 設(shè)計原理

蘋果加工包含了采后的檢測分級、清洗、上蠟、貼標簽等工序，等級分離是蘋果爭奪市場競爭力的關(guān)鍵影響因素之一。近年來，隨著農(nóng)業(yè)的精細化,農(nóng)產(chǎn)品分級已是農(nóng)業(yè)生產(chǎn)的必備手段了，分級方式也從依靠人眼采用單純的大小或質(zhì)量分級發(fā)展到計算機視覺自動分級。自動分級系統(tǒng)可從多個方面(如形狀、顏色、缺陷等因素)進行等級區(qū)分，使蘋果品質(zhì)區(qū)分效果明顯、分級效率提高。

本文采用紅富士蘋果作為實驗對象，通過計算機視覺采集圖像，以大小、形狀、顏色、缺陷4個特征為主要提取特征參量，考察分級效果。

1.2 總體設(shè)計

基于計算機視覺的蘋果自動分離系統(tǒng)由輸送帶、定向裝置、視覺采集設(shè)備、照明裝置和計算機構(gòu)成。工作時，采摘下來的蘋果放置在輸送帶上，因定向裝置的輔助使蘋果的輸送定向。與此同時，在照明裝置的協(xié)助下視覺采集設(shè)備完成目標物圖像信息的采集，并將信息輸送到計算機，再根據(jù)計算機中的圖像分析軟件綜合分析，并按照蘋果等級區(qū)分的國家標準GB/T 10651-2008進行蘋果等級分離；然后，由電腦發(fā)出指令，將蘋果輸送相對應(yīng)等級的傳輸帶上，完成蘋果等級的分離。

2 蘋果圖像特征提取

2.1 蘋果圖像預(yù)處理

通過攝像頭采集的圖像需要經(jīng)處理才能進行分析，只有圖像清晰、像素高，才能突顯目標圖形，故要采用手段去除圖像中干擾和噪點。通過改善圖像視覺效果等方法，可以使采集的圖像更易于分析和鑒別，抑制不需要的特征，使圖像中信息突顯，提高圖像判讀和識別效果。圖像改善常用方法有：①灰度等級直方圖方法。該方法使改善后的圖像在某一個灰度值區(qū)間內(nèi)有著更大的對比度。②干擾抑制。通過空間域法中具有代表性的算法，如局部求平均值法和中值濾波(取局部鄰域中的中間像素值)法等，來去除或減弱采集的圖像上噪聲和隨機性干擾。③邊緣銳化。通過高通濾波、差分運算或某種變動，使圖形的輪廓線邊緣突顯，便于目標識別。④偽彩色處理。該方法是將圖像中的無色轉(zhuǎn)變?yōu)橛猩?/p>

2.2 大小特征提取

提取蘋果大小的特征量比較常用的有面積、線度等，本文以蘋果的橫徑作為蘋果大小的特征量。從蘋果二值圖像中分析得到蘋果橫徑，使用迭代閾值分割法得到f(x,y)，再通過轉(zhuǎn)化得蘋果橫徑。根據(jù)國家推薦標準GB/T 10651中規(guī)定的參數(shù)，來確定蘋果等級分離時的大小。

2.3 形狀特征提取

利用邊界線半徑和二維傅立葉動態(tài)變換[4]對蘋果的形狀分析描述， 不僅可提高等級分離的正確率，還能提高分級工作的效率。在對蘋果的等級分離過程中，對果形的要求并不高，蘋果等級區(qū)分可以有一定的上下浮動范圍，也不需要用傅立葉半徑描述中的所有特征參量來描述。因此，中間較小的特征分量可以去除，進而減少特征個數(shù)。研究發(fā)現(xiàn)，取傅立葉前9項分量就基本可以復(fù)原圖像中物品的輪廓。

2.4 顏色特征提取

顏色是蘋果等級區(qū)分的最重要、最直接視覺特征之一，高品質(zhì)的蘋果底色黃綠，有密集鮮紅色條紋且色澤均勻。由于色飽和度模型與人類眼睛觀察色彩的原理相似，因此本文以色飽和度模型的色度圖像作為蘋果色澤的特征提取參數(shù)。

2.5 缺陷特征提取

蘋果表皮經(jīng)常出現(xiàn)一些損傷，會形成銹果型及花臉型等，且多在大萼洼處先出現(xiàn)黃綠色、鐵銹色斑紋或斑塊，致使果面龜裂、凹凸不平。果實畸形就會導(dǎo)致蘋果等級下降，也是質(zhì)量的重要影響因素，由于蘋果表面呈不規(guī)則的狀態(tài)，導(dǎo)致采集圖像的灰度值由中心點向邊沿呈現(xiàn)遞減的趨勢,再加上大小及噪點等因素的影響，無法利用模型識別來評判蘋果的等級，鑒定難度高，不能達到等級區(qū)分的目的。因此，本文采用從右至左、再至右對整個蘋果圖像進行全方位的掃描，檢查它們的左、右臨界點(Lli、Lri)，那么整個圖像像素點為:Li=Lri-Lli+1。然后，再找到一個f(x，y) 為0的像素點，該處即為缺陷；將蘋果采集圖像中的缺陷面積累加，可得到蘋果的全部缺陷的面積，從而分析出蘋果等級缺陷影響指數(shù)。

3 實驗與結(jié)果

3.1 實驗條件

根據(jù)國家推薦標準GB/T 10651的要求，蘋果分為4個等級分別為: 優(yōu)等、一等、二等和次品。本文以紅富士蘋果為試驗對象，數(shù)量為200個( 每個等級50 個)，以大小、形狀、顏色及缺陷4個特征參量選擇各等級蘋果。

3.2 實驗方法

為了檢測采用計算機視覺信息技術(shù)的蘋果自動分級裝置的有效性，以人工分級來做對比。首先，讓工人嚴格按照大小、形狀、顏色、缺陷這4個特征指標，將試驗品按照國家標準中4個等級標準要求分為4個級別，統(tǒng)計各個級別的蘋果數(shù)量；然后，采用計算機視覺信息處理技術(shù)自動分級設(shè)備，設(shè)置大小、形狀、顏色、缺陷這4個特征指標為主特征參量數(shù)值，將試驗果進行檢測，得到4個等級蘋果數(shù)，如表1所示。

表1 人工與自動分級效果對比

由表1數(shù)據(jù)可知：采用計算機視覺技術(shù)等級分離的正確率較人工的更高，實現(xiàn)了蘋果等級分離的自動化生產(chǎn)，并全方位地考慮蘋果等級區(qū)分的影響因素，最大程度提高了分級的正確率。

4 結(jié)論

采用人工等級分離方法，需要人工多、勞動強度大，且缺乏應(yīng)有客觀性和準確度，嚴重影響了蘋果等級區(qū)分的效率和精度，沒有達到分級的目的。計算機視覺技術(shù)為蘋果等級的分離提供了一種自動、高效的方法，本文將蘋果在市場上銷售的主要影響因素定為分離參數(shù)，為蘋果等級分離提供了重要依據(jù)。利用機器視覺技術(shù)進行農(nóng)產(chǎn)品等級分離，不僅增加了生產(chǎn)商的利潤，同時也保證了消費者的利益。

基于計算機視覺技術(shù)進行的蘋果等級分離的正確率高、效率高，很大程度避免了人工等級分離時受員工主觀心理因素的影響而導(dǎo)致等級區(qū)分不準確的問題。因此，該技術(shù)在精細農(nóng)業(yè)中的應(yīng)用將會越來越廣泛。

[1] 謝靜.基于計算機視覺的蘋果自動分級方法研究[D].合肥:安徽農(nóng)業(yè)大學(xué),2011.

[2] 龍滿生，何東健，寧紀峰． 基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果綜合分級系統(tǒng)[J]．西北農(nóng)林科技大學(xué)學(xué)報，2001，29( 6) : 108-111．

[3] 包曉安，張瑞林，鐘樂海．基于人工神經(jīng)網(wǎng)絡(luò)與圖像處理的蘋果識別方法研究[J]．農(nóng)業(yè)工程學(xué)報，2004，20( 3) :109-112．

[4] 高華,王雅琴. 基于計算機視覺的農(nóng)產(chǎn)品形狀分級研究[J]. 計算機工程與應(yīng)用,2004(14):227-229.

Apple Automatic Grading Computer Vision Information Processing Technology

Su Xin

(Department of Computer & Information Engineering，Chengde Petroleum College，Chengde 067000, China)

With the rapid socio-economic development, people's consumption levels continue to increase, people are buying Apple its quality requirements are also getting higher and higher, the market is now on the quality of apple grading sales. In the traditional agro-processing operations, separating workers picking fruit and put them in bags or boxes on the ground, and then be transported manually to the trailer park where to be sent to the area of post-harvest packaging line. Note that this hierarchical model is inefficient, more importantly, which includes dead time, it is difficult to fully consider the situation of each apple, resulting classification accuracy and low labor utilization rate. The computer system has been widely used in precision agriculture, such as detecting and removing weeds yield grade, automatic harvesting of fruits and vegetables or agricultural products.How it works: computer vision acquisition variety of apple image feature extraction, using edge detection, image enhancement, image binarization image data processing method for image analysis acquisition, processing feature can set up multiple, according to the main characteristic parameters apple automatic grading.The results show that the traditional apple grade artificial separation method compared to using machine vision grade apples were separated, not only improve the accuracy of the apple grade separation, but also greatly save labor.

apple automatic grading; computer vision; information processing; feature extraction; multiple featuresr

2016-05-12

承德市科學(xué)技術(shù)研究與發(fā)展計劃項目(201422105)

蘇 欣(1981-)，男，河北承德人，講師，碩士研究生，(E-mail)bbisuxin@126.com。

S126

A

1003-188X(2017)06-0242-03